基于MP的寬帶LFM信號參數(shù)估計快速算法和陣列誤差校正.pdf

1、在信號分析與信號處理中，以下三個方面具有重要的研究意義：(1)信號的表示方式和分解方法；(2)信號分解的快速算法；(3)信號表示在信號處理中的應用。而信號的稀疏表示與稀疏分解，是信號的一種新的、十分簡潔的表示方式和分解方式，具有巨大的研究價值，廣闊的應用前景。但是信號的稀疏分解的計算復雜度非常高，是阻礙其發(fā)展的關鍵因素。為促進信號稀疏表示、稀疏分解的研究與應用，研究其快速算法是十分必要的。否則，信號稀疏分解和信號稀疏表示也就無法實用化，

2、而只能停留在研究階段。本文將遺傳算法和粒子群優(yōu)化算法應用到寬帶線性調(diào)頻信號參數(shù)估計領域，分別提出了一種利用直接搜索和粒子群優(yōu)化的混合優(yōu)化(DS-PSO)算法對信號頻率快速估計的方法，以及一種利用遺傳算法和粒子群優(yōu)化的混合(GA-PSO)算法對信號頻率快速估計的方法，將兩種快速頻率估計算法與角度分塊搜索算法結(jié)合估計信號的DOA，極大地提高了對線性調(diào)頻信號參數(shù)估計的速度。 陣列誤差的存在使信號的參數(shù)估計性能下降。本文將粒子群優(yōu)化算法

3、應用到陣列誤差校正領域，提出了一種利用粒子群優(yōu)化算法估測均勻線陣幅相誤差的方法。 主要工作和貢獻有： 1.詳細介紹了近年來新的信號表示理論的思想-信號的稀疏表示和稀疏分解，重點介紹了稀疏分解最常用方法-匹配跟蹤(MP)算法的具體流程。 2.分析了線性調(diào)頻信號時頻域特征，分別給出了基于MP分解的頻率參數(shù)估計和DOA估計算法。詳細介紹了原子庫的構成和MP分解的過程，并給出了算法步驟總結(jié)。通過大量的實驗仿真給出MP算法

4、的性能分析。 3.較為詳細的介紹了遺傳算法和粒子群優(yōu)化算法的基本原理，重點討論了兩種混合優(yōu)化算法策略，針對基于MP分解的頻率參數(shù)和DOA估計算法中信號分解計算量的問題，分別提出了一種利用直接搜索和粒子群優(yōu)化的混合優(yōu)化(DS-PSO)算法對信號頻率進行快速估計的方法，以及一種利用遺傳算法和粒子群優(yōu)化的混合(GA-PSO)算法對信號頻率進行快速估計的方法，詳細的介紹了快速算法的原理，并給出了算法步驟總結(jié)。將兩種快速頻率估計算法與角度

5、分塊搜索算法結(jié)合估計信號的DOA，極大地提高了對線性調(diào)頻信號參數(shù)估計的速度。最后，通過大量的實驗仿真給出了快速算法的速度分析比較，證明了算法的有效性。 4.研究了不同種類的陣列誤差，研究了幾種目前已有的誤差校正方法，針對均勻線陣中幅相誤差的估測會因陣列的特殊結(jié)構而導致部分誤差無法精確估測這一問題，本章提出了一種用粒子群算法估測均勻線陣幅相誤差的方法，可對幅相誤差進行較為準確的估測，通過修正導向矢量，可以得到準確的信源到達方向。實